Timo Alt 1. DRK-Blutspendedienst Rheinland-Pfalz und Saarland gemeinnützige Gesellschaft mit beschränkter Haftung
|
|
- Juliane Dunkle
- vor 7 Jahren
- Abrufe
Transkript
1 Statistisches Verfahren zur Prozessüberwachung gemäß Kapitel 3 der Hämotherapierichtlinien für nicht bestrahlte leukozytenreduzierte Erythrozytenkonzentrate, hergestellt im DRK Blutspendedienst West Timo Alt 1 1 Dipl. Bioinformatiker DRK-Blutspendedienst Rheinland-Pfalz und Saarland gemeinnützige Gesellschaft mit beschränkter Haftung T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
2 Zielstellung Zielstellung mindestens 1% der hergestellten Blutkomponenten (Minimum 4 pro Monat) jede Probennamhe ist eine zerstörende Untersuchung stabiler Herstellungsprozess und ein hohes Produktionsaufkommen führen zu unnötig hohen Verlusten Stichprobenziehung nach statistischer Prozessüberwachung bei gleicher Sicherheit wie 1%-Regel T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
3 Spezifikationen Spezifikationen von nicht bestrahlten Erythrozytenkonzentraten im DRK BSD West Prüfparameter Prüfkriterium Prüfzeitpunkt Art.-Nr Art.-Nr Volumen ml ml nach Herstellung Hämatokrit 1 0,50-0,70 l/l 0,50-0,65 l/l nach Herstellung und am Ende der ermittelten Gesamt-Hb 1 40g/Einheit und darf 38g/Einheit nicht unterschreiten Haltbarkeit nach Herstellung und am Ende der ermittelten Haltbarkeit Tabelle 1: 1 Insgesamt sollen 90% der geprüften Präparate die jeweils angegebene Spezifikation erfüllen T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
4 Methode Material Material Daten der Erythrozytenkonzentraten von 2008 aus den 4 Zentren Monatliche Probengröße nach der 1%-Regel dazu die entsprechende maximal zulässige Anzahl an Präparaten außerhalb der Spezifikation Bestimmung des Anteils nicht konformer Präparate in der Gesamtproduktion mit 95%iger Wahrscheinlichkeit T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
5 Datenmaterial Methode Daten Monat Breitscheid Anzahl Erythrozytenkonzentrate Stichprobengröße 1% der Produktion maximal 10% Ausreißer max. Anteil nicht konf. Präparate in Produktion Januar ,69% Februar ,96% März ,12% April ,21% Mai ,12% Juni ,15% Juli ,03% August ,05% September ,99% Oktober ,23% November ,17% Dezember ,85% Mittelwert ,25% T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
6 Formel zur Berechnung Ursprung Ursprung der Formel Formel aus der Wahrscheinlichkeitstheorie genauer Binomialverteilung Wahrscheinlichkeit des Eintretens eines Ereignisses In unserem Fall die Wahrscheinlichkeit, einen nicht konformen Prozess zu erkennen T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
7 Formel zur Berechnung Bestandteile der Formel Formel P nkp = x k=0 n!(p k (1 p) n k k!(n k)! P nkp = Wahrscheinlichkeit, den nicht konformen Prozess zu erkennen n = Stichprobenumfang x = Anzahl Präparate außerhalb der Spezifikation p = Anteil nicht konformer Präparate T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
8 Formel zur Berechnung Formel Verwendung Berechnung des maximal zulässigen Anteils nicht konformer Präparate in der Gesamtproduktion P nkp = x k=0 n!(p k (1 p) n k k!(n k)! Mit dieser Formel lässt sich mit folgenden Parametern der Anteil der nicht konformen Präparate in der Gesamtproduktion berechnen: Stichprobenumfang n nach 1%-Regel Wahrscheinlichkeit die nicht konformen Präparate zu erkennen: P nkp = 95% Anzahl nicht konformer Präparate in der Stichprobe x T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
9 Formel zur Berechnung Formel Verwendung Berechnung des maximal zulässigen Anteils nicht konformer Präparate in der Gesamtproduktion Umstellung der Formel ist nicht nötig Schrittweises erhöhen von p bis P nkp = 95 Schrittweite 0,0001 Diese Funktion ist leicht in Excel zu realisieren T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
10 Formel zur Berechnung Operationscharakteristik Übersicht durch Operationscharakteristik Verlauf der Kurven bei 1%-Regel mit maximal Ausreißeranzahl von 10%. T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
11 minimal notwendige Stichprobengröße Bestimmung der minimal notwendigen Stichprobengröße Formel für die Trefferwahrscheinlichkeit, aus der Wahrscheinlichkeitstheorie Die Wahrscheinlichkeit P für wenigstens einen Ausreißer (Treffer) in n unabhängigen Proben jeweils mit der Ausreißerwahrscheinlichkeit p zu finden P = 1 (1 p) n T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
12 minimal notwendige Stichprobengröße Herleitung Herleitung der Formel für die Trefferwahrscheinlichkeit Ausreißerwahrscheinlichkeit = Ausreißer Anzahl(N) = p Wahrscheinlichkeit für einen Ausreißer = 1 p Wahrscheinlichkeit für keinen Ausreißer bei n Proben = (1 p) n Wahrscheinlichkeit für mindestens einen Ausreißer bei n Proben = 1 (1 p) n T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
13 minimal notwendige Stichprobengröße Die Formel umstellen nach n Umformung n log(1 P ) log(1 p) T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
14 minimal notwendige Stichprobengröße Beispielrechnung Beispiel zur Berechnung der Stichprobengröße Die Wahrscheinlichkeit einen Ausreißer zu erkennen, wird nach statistischen Gepflogenheiten auf 95% festgelegt n log(1 0,95) log(1 0,05) = 58, 5 59 In den weiteren Betrachtungen wird die Zahl auf 60 gerundet T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
15 Forderungen Forderung an die verringerte Stichprobengröße Operationscharakteristik der neuen Stichprobengröße muss sich an der Operationscharakteristik der 1%-Regel orientieren d.h. der maximale Anteil nicht konformer Präparate in der Gesamtproduktion soll sich an den bisherigen Werten orientieren Das bedeutet, nicht nur der Stichprobenumfang muss reduziert werden, sondern auch die Anzahl nicht konformer Präparate in der Stichprobe T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
16 Stichprobenplan Stichprobenplan für reduzierte Stichprobengröße Stichprobenzahl Maximale Anzahl an Präparate außerhalb der Spezifikation max. Anteil nicht konf. Präparate in Produktion ,59% ,40% ,11% ,65% ,42% ,59% ,69% ,71% ,59% ,25% ,68% ,06% ,40% ,65% ,78% T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
17 Vergleich Operationscharakteristiken Vergleich der Operationscharakteristiken von 5 OOS/70 Proben vs. 1%-Regel (19 OOS/191 Proben) T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
18 Simulation red. Daten Simulation der Reduzierung der Daten aus 2008 Breitscheid Monat Proben Ausreißer max. Anteil nicht konf. Präparate in Produktion Januar ,42% Februar ,95% März ,59% April ,59% Mai ,42% Juni ,71% Juli ,59% August ,42% September ,69% Oktober ,59% November ,42% Dezember ,69% Mittelwert ,59% T. Alt (BSD RPS) Statistische Prozessüberwachung / 18
Statistische Prozesskontrolle
Statistische Prozesskontrolle Paul-Ehrlich-Institut P. Volkers Paul-Ehrlich-Straße 51-59 63225 Langen GERMANY +49 (0) 6103 77-3720 +49 (0) 6103 77-1251 Email: pei@pei.de Homepage: http://www.pei.de 1 -
MehrWie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? DRK-Blutspendedienst West
Wie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? Einschlägige Regelungen Es sind regelmäßig Qualitätskontrollen an Stichproben aus der laufenden Herstellung durchzuführen.
MehrVorschriften Blutspendedienst SRK. Kapitel 18 A): Spezifikationen: Vollblut und Erythrozytenkonzentrate
Vorschriften Blutspendedienst SRK BSD SRK Kapitel 18 A): Spezifikationen: Vollblut und Erythrozytenkonzentrate REFERENZEN 1 - Guide to the preparation, use and quality assurance of blood components - Council
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrStoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,
MehrStoffverteilungsplan Mathematik Grundkurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge, Ereignis und Wahrscheinlichkeit
MehrInzidenz = Penetration: Welche Stichprobe ist realistisch?
Inzidenz = Penetration: Welche Stichprobe ist realistisch? Vor jeder Entscheidung für ein Stichprobenverfahren stellt sich die Frage: Findet man die Stichprobenmitglieder? Beispiel: Man sucht nach VerwenderInnen
MehrKinga Szűcs
Kinga Szűcs 25.10.2011 Die Schülerinnen und Schüler werten graphische Darstellungen und Tabellen von statistischen Erhebungen aus, planen statistische Erhebungen, sammeln systematisch Daten, erfassen sie
MehrKonfidenzintervalle. SeKo. Heute. Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit
Übung Methodenlehre I, SeKo Vivien Röder Professur für Forschungsmethodik & Evaluation Wiederholung Wahrscheinlichkeitstheorie Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit P(Methodenverständnis
MehrWahrscheinlichkeit3 Binomialverteilung/Bernoulli-Formel
Wahrscheinlichkeit3 Binomialverteilung/Bernoulli-Formel Aufgaben Lösen Sie A1 und A sowohl mit der Bernoulli-Formel als auch mit dem TR(BV), die anderen Aufgaben lösen sie mit dem TR(BV). A1 Eine Familie
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrBinomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
MehrDie Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Probieren und Studieren Die Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger Die Regelkartentechnik (Statistical
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrSTATISTISCHE METHODEN UND IHRE ANWENDUNGEN
STATISTISCHE METHODEN UND IHRE ANWENDUNGEN Von Dr. rer. nat. Erwin Kreyszig o. Professor für Statistik an der Universität Karlsruhe mit 82 Abbildungen und zahlreichen Tabellen Vierter, unveränderter Nachdruck
MehrKapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
MehrReduSoft Ltd. Kurzbeschreibungen zu einigen Modulen, die im Programm
ReduSoft Ltd. www.redusoft.de Kurzbeschreibungen zu einigen Modulen, die im Programm MathProf 5.0 unter dem Themenbereich Stochastik implementiert sind. Urnenmodell Das Modul Urnenmodell ermöglicht die
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrUnter der Voraussetzung, dass die Wahrscheinlichkeit eines Ereignisses für jeden Versuch konstant bleibt, gilt die Binominalverteilung.
2.4.1.2 Binomialverteilung Unter der Voraussetzung, dass die Wahrscheinlichkeit eines Ereignisses für jeden Versuch konstant bleibt, gilt die Binominalverteilung. Diese Voraussetzung ist exakt erfüllt,
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrLösungsskizzen zur Präsenzübung 09
Lösungsskizzen zur Präsenzübung 09 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 2016 von:
MehrStatistik. ist damit unter anderem die Zusammenfassung bestimmter Methoden, um empirische Daten zu analysieren. Projektmanagement
Technischer Betriebswirt VIII die Lehre von Methoden zum Umgang mit quantitativen Informationen (Daten). Möglichkeit, eine systematische Verbindung zwischen Erfahrung (Empirie) und Theorie herzustellen.
Mehrfalls rote Kugel im 1. Zug gezogen Die Ziehungen sind daher nicht unabhängig voneinander. Damit liegt kein Bernoulli-Prozess
6.4 Hypergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln sind nicht rot. Wir entnehmen n Kugeln, d.h. Stichproben vom Umfang n.
MehrDemo-Text für STOCHASTIK. Tschebyscheff-Ungleichung. Einführung mit Anwendungsbeispielen. Datei Nr Friedrich W.
STOCHASTIK Tschebyscheff-Ungleichung Einführung mit Anwendungsbeispielen Datei Nr. 36111 Friedrich W. Buckel Stand 1. April 010 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK www.mathe-cd.de Inhalt 1 Wiederholung:
Mehr1. Was ist eine Wahrscheinlichkeit P(A)?
1. Was ist eine Wahrscheinlichkeit P(A)? Als Wahrscheinlichkeit verwenden wir ein Maß, welches die gleichen Eigenschaften wie die relative Häufigkeit h n () besitzt, aber nicht zufallsbehaftet ist. Jan
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrHow To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrDie Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].
Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen ob die in diesem Datensatz untersuchte
MehrAUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02
AUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02 Probenversand am 24. Februar 2015 Anschrift: Umweltbundesamt GmbH Spittelauer Lände 5 1090 Wien/Österreich Ansprechpartner: Dr. Sandra
MehrAufgabe des Monats Januar 2012
Aufgabe des Monats Januar 2012 Ein Unternehmen stellt Kaffeemaschinen her, für die es jeweils einen Preis von 100 Euro (p = 100) verlangt. Die damit verbundene Kostenfunktion ist gegeben durch: C = 5q
MehrMathematik 12. Jahrgangsstufe - Hausaufgaben
Mathematik 2. Jahrgangsstufe - Hausaufgaben Inhaltsverzeichnis Wahrscheinlichkeitsrechnung 2. Wahrscheinlichkeitsrechnung.......................... 2.. Binomialkoeffizienten Berechnen....................
MehrMonetary Unit Sampling MUS
Monetary Unit Sampling MUS Podiumsdiskussion in der Bundesfinanzakademie, Brühl 19. Juli 2017 Jürgen Baulig, Sachgebietsleiter Betriebsprüfung Finanzamt Koblenz Monetary Unit Sampling - MUS - Stand: Juli
MehrErgebnisse der schriftlichen Zwischenprüfung Frühjahr 2018 Gärtner/Gärtnerin - Fachrichtung Garten- und Landschaftsbau Zuständige Stelle: Gartenbauzen
2000000885 2 2 4 5 6 5 4 4 2000003796 3 3 2 4 4 2 2 3 2000008262 2 2 2 6 5 5 3 2 2000010756 3 3 2 5 5 4 5 3 2000030386 2 3 1 5 5 3 4 4 2000040144 4 4 4 4 6 4 4 3 2000047293 1 4 3 2 6 5 5 4 2000062196 1
Mehr7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen
7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1
MehrSigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75
Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 2: Wahrscheinlichkeitsrechnung und induktive Statistik Von Professor Dr. Jochen Schwarze 9., vollständig überarbeitete Auflage STUDIUM
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrA: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:
5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 0.6 x 0.4 5 x (i) P x (x)
MehrStochastik: Binomialverteilung Stochastik Die 4 Grundaufgaben bei der Binomialverteilung Gymnasium ab Klasse 10
Stochastik Die 4 Grundaufgaben bei der Binomialverteilung Gymnasium ab Klasse 10 Alexander Schwarz www.mathe-aufgaben.com November 2013 1 Hinweis: Für die Aufgaben darf der GTR benutzt werden. Erste Grundaufgabe:
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)
MehrStatistik II für Betriebswirte Vorlesung 13
Statistik II für Betriebswirte Vorlesung 13 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 21. Januar 2019 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 13 Version:
MehrStatistik II. Begriff, Begründung: Statistik II, WS 2003/2004, Seite 1 von 7
Statistik II, WS 2003/2004, Seite 1 von 7 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Wahrscheinlichkeitstheorie (Klausuraufgaben) Marcel Bliem Marco Boßle Jörg Hörner Mathematik Online Herbst 2010 Bliem/Boßle/Hörner (MO) PV-Kurs HM 3 1 / 7
MehrKapitel 10 VERTEILUNGEN
Kapitel 10 VERTEILUNGEN Fassung vom 18. Januar 2001 130 VERTEILUNGEN Zufallsvariable. 10.1 10.1 Zufallsvariable. HäuÞg wird statt des Ergebnisses ω Ω eines Zufalls-Experiments eine zugeordnete Zahl X(ω)
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrΘ Mathematik Stochastik
Θ Mathematik Stochastik Aufgabe 1: Als Spam-Nachricht wird eine unerwünschte E-Mail bezeichnet, die dem Empfänger unverlangt zugestellt wird. a) Statistische Untersuchungen an der Mailbox eines Benutzers
MehrSS 2017 Torsten Schreiber
173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
Mehr1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen
6.4 Hyergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln nicht rot. Wir entnehmen n Kugeln, d.h. eine Stichrobe des Umfangs n. Dabei
MehrLV: Höhere und Angewandte Mathematik Teil: Statistik (Teil: Numerik&Simulation: Prof. Günter)
LV: Höhere und Angewandte Mathematik Teil: Statistik (Teil: Numerik&Simulation: Prof. Günter) Am Ende: Gemeinsame Klausur mit 2 Teilen, jeder Teil geht mit 50% in die Endnote ein. Teil (5 ECTS) Grabowski
MehrA3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage
Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
Mehr10 Konfidenzintervall für µ
10. Konfidenzintervall fü µ Seite 1 10 Konfidenzintervall für µ 10.1 Berechnung des Konfidenzintervalls über die z-tabelle nach KI = ± z * s 10.2 Berechnung des Konfidenzintervalls über die t-tabelle nach
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrStatistik Prüfung 24. Jänner 2008
Statistik Prüfung 24. Jänner 2008 February 10, 2008 Es ist immer nur EINE Antwort richtig, bei falsch beantworteten Fragen gibt es KEINEN Punktabzug. Werden mehrere Antworten bei einer Frage angekreuzt,
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBeurteilungsbericht zur Veröffentlichung
Anlage 3 zur Zulassung PEI.H.03074.01.1 1 / 6 Beurteilungsbericht zur Veröffentlichung (gemäß 34 Abs. 1a und 1 b Arzneimittelgesetz) Leukozytendepletiertes Erythrozytenkonzentrat (DUMS) bestrahlt Universitätsklinikum
MehrKonfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
MehrVersuchsprotokoll Kapitel 6
Versuchsprotokoll Kapitel 6 Felix, Sebastian, Tobias, Raphael, Joel 1. Semester 21 Inhaltsverzeichnis Einleitung...3 Versuch 6.1...3 Einwaagen und Herstellung der Verdünnungen...3 Photospektrometrisches
MehrStatistik für Ingenieure und Naturwissenschaftler
Sheldon M. Ross Statistik für Ingenieure und Naturwissenschaftler 3. Auflage Aus dem Amerikanischen übersetzt von Carsten Heinisch ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum Inhalt Vorwort zur dritten
MehrEs sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 1 x.
Aufgabe 1. (5 Punkte) Es sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 k=0 1 x. Aufgabe 2. (7 Punkte) Bestimmen Sie das folgende Integral
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrÜberprüfung und Modifikation des Netzes
Überprüfung und Modifikation des Netzes Gebietsbeschreibung: Die Verbandsgemeinde Schweich liegt im Westen von Rheinland Pfalz an der Mosel nahe der Stadt Trier. Sie liegt durchschnittlich auf einem Höhenniveau
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrWahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle
Wahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle von Dipl.-Math. Regina Storm Mit 66 Bildern Zweite, überarbeitete und erweiterte Auflage VEB FACHBUCHVERLAG LEIPZIG
MehrAufgabe einer Probenahmestrategie. Größen zur Festlegung des Stichprobenumfangs
Aufgabe einer Probenahmestrategie Probenahme gewährleisten, die die erforderliche Repräsentanz (Güte der Messung, Irrtumswahrscheinlichkeit) mit minimalem Aufwand erreicht. Festlegung des Stichprobenumfangs
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
MehrAuswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
MehrDas Konfidenzintervall und der Goldbär
Das Konfidenzintervall und der Goldbär Aufgabe 3 Blutgruppen c) In einer österreichischen Gemeinde, in der 1 800 Einwohner/innen Blut spenden könnten, nahmen 150 Personen an einer freiwilligen Blutspendeaktion
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrTeilaufgabe 1.0 In einem Karton befinden sich 50 Bauteile, von denen genau vier fehlerhaft sind.
Abiturprüfung Berufliche Oberschule 2008 Mathematik 13 Technik - B I - Lösung Ein Autoteilezulieferer stellt für eine Autofirma ein aufwändiges elektronisches Bauteil her. Langfristig stellt man fest,
MehrStichprobenverteilung bei unterschiedlichen Auswahlsätzen
Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Zufallsvariablen Beschreibung von Ereignissen
MehrUnterlagen für die Lehrkraft
Ministerium für Bildung, Jugend und Sport Zentrale Prüfung zum Erwerb der Fachhochschulreife im Schuljahr / Mathematik D. Juni 9: Uhr Unterlagen für die Lehrkraft . ufgabe: Differential- und Integralrechnung
MehrModelle diskreter Zufallsvariablen
Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst
Mehrf(x) = P (X = x) = 0, sonst heißt Poisson-verteilt mit Parameter (oder Rate) λ > 0, kurz X P o(λ). Es gilt x x! 1 Wahrscheinlichkeitsrechnung 212
1.6.2 Poisson Verteilung Eine weitere wichtige diskrete Verteilung ist die Poisson-Verteilung. Sie modelliert die Anzahl (eher seltener) Ereignisse in einem Zeitintervall (Unfälle, Todesfälle; Sozialkontakte,
MehrStochastik Approximationen der Binomialverteilung
Stochastik Approximationen der Binomialverteilung Stefan Englert stefan.englert@gmx.net 21. April 2007 Inhaltsverzeichnis 1 Approximation von n! und b n,p (k) 2 2 Der Satz von de Moivre-Laplace 6 3 Die
MehrK A N T O N S S C H U L E I M L E E MATHEMATIK. Grafiktaschenrechner ohne CAS, beliebige Formelsammlung
K A N T O N S S C H U L E I M L E E W I N T E R T H U R MATURITÄTSPRÜFUNGEN 017 Klasse: g Profil: MN / M Lehrperson: Rolf Kleiner MATHEMATIK Zeit: 3 Stunden Erlaubte Hilfsmittel: Grafiktaschenrechner ohne
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrKalibrierung und Charakterisierung der de/dx-information der Zentralen Driftkammer bei Zeus
Kalibrierung und Charakterisierung der de/dx-information der Zentralen Driftkammer bei Zeus Robert Zimmermann Physikalisches Institut Universität Bonn 39. Herbstschule für Hochenergiephysik Maria Laach
Mehr